Collaborative filtering based recommender system design for e-commerce
E-ticarete yönelik işbirliksel filtreleme tabanlı öneri sistemi
- Tez No: 587374
- Danışmanlar: DOÇ. DR. SADETTİN EMRE ALPTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Öneri sistemleri, e-ticaret endüstrisi için temel etkileşim işlevlerinden biridir. Tipik bir öneri sisteminde, müşteri ve ürün verileri analiz edilir ve olası müşteriler için ürünleri değerlendiren bir tahmin modeli oluşturulur. İş değeri açısından, bireylerin çeşitli ürünler arasından kendi ilgilerini çekecek olanları belirlemelerine yardımcı olur. Bu çalışmada, Türkiye'nin önde gelen e-ticaret platformu hepsiburada için işbirlikçi filtreleme temelli bir öneri sistemi tasarlanmıştır. İlk olarak, müşteri-ürün tahmin çiftleri halinde örtük geri bildirim verisi hazırlanmıştır. İkinci olarak, işbirlikçi filtreleme için düzenlenmiş tekil değer ayrıştırma esaslı matris faktörizasyon modeli oluşturulmuştur. Müşteriler ve ürünler örtük faktör vektörleri ile temsil edilir. Problem Alternatif En Küçük Kareler yöntemi ile optimize edilerek bir tahminleme modeli elde edilir. Üçüncüsü, potansiyel müşterilerin ürün puan tahinleri modelden alınır. Ardından, tahminler on ürrüne indirgenir. Son olarak, öneriler potansiyel müşteriler tarafından üretilen davranışsal verilerle değerlendirilir.
Özet (Çeviri)
Recommender systems are one of the core engagement functions for e-commerce industry. In a typical recommender system, customer and product data is analysed and a prediction model is generated which evaluates products for prospective customers. In terms of business value, it helps individuals identify their interest among overwhelming variety of products. In this paper, a collaborative filtering based recommender system framework is proposed for Turkey's leading e-commerce platform hepsiburada. First of all, implicit feedback and customer-product prediction pairs are prepared from collected data. Second, a regularized singular value decomposition (SVD) based matrix factorization model is established for collaborative filtering (CF). Customers and products are represented with latent factor vectors. This model is trained with implicit feedback, as the SVD problem is solved with Alternating Least Squares (ALS). Third, predictions are gathered from CF model. Then, predictions are limited to ten-product recommendation sets. At last, recommendations are evaluated by behavioural data generated by prospective customers.
Benzer Tezler
- Ontology based Recommendation System in e-learning for Turkish
Türkçe için e-öğrenme ortamlarında Ontoloji tabanlı Öneri Sistemi
MEHMET MİLLİ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZLEM AKTAŞ
- Zeki öğretim sistemlerinde hibrit bir modelin tasarlanması ve geliştirilmesi
Design and development of a hybrid model in intelligent tutoring systems
FURKAN AYDIN
Doktora
Türkçe
2021
Eğitim ve ÖğretimHacettepe ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. HALİL YURDUGÜL
- Development of inertial navigation system with applications to airborne collision avoidance
Ataletsel seyrüsefer sistemi geliştirilmesi ve hava aracı çarpışma önleme uygulamalarında kullanımı
MEHMET HASANZADE
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ FUAT ERGENÇ
- Ontoloji tabanlı ilişkisel ürün öneri sistemi
A relational recommender system based on domain ontology
HİKMET KAPUSUZOĞLU
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ
- Using learning to rank for a top-n recommendation system in tv domain
Tv alanında bir ilk-n öneri sistemi için sıralama öğreniminin kullanılması
BEDİA ACAR
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ